A first of its kind fully data-driven system has been developed and implemented into the DIII-D plasma control system to detect and control Alfvén eigenmodes (AE) in real-time. Susceptibility to fast ion-induced AE is a challenge in fully non-inductive tokamak operation, which significantly reduces fast-particle confinement and results in degraded fusion gain. Controlling AEs in real-time to improve fast-ion confinement is, hence, important for future advanced tokamak fusion reactors. The models were implemented and tested in experiments which showed that neural networks (NN) are highly effective in detecting 5 types of AE (BAE, EAE, LFM, RSAE, TAE) using high resolution ECE. To estimate the neutron deficit, a NN has been trained that outputs the classical neutron rate using similar inputs to NUBEAM. Also a preliminary ML-based proportional control has been designed and gone through initial testing in experiment to use feedback-control on the neutral beam power to achieve desired amplitude of AE modes and neutron deficits. The effect of AEs on fast-ion confinement is measured by analysing the gap in classical neutron rate from the proposed NN-based NUBEAM and the measured neutron rate.
初の完全データ駆動型システムが開発され、アルフヴェン固有モード(AE)をリアルタイムで検出・制御するためにDIII-Dプラズマ制御システムに実装された。高速イオン誘起AEに対する感受性は、完全非誘導トカマク運転における課題であり、高速粒子閉じ込めを著しく低下させ、核融合利得の劣化をもたらす。したがって、高速イオン閉じ込めを改善するためのAEのリアルタイム制御は、将来の先進トカマク核融合炉にとって重要である。モデルは実験で実装・テストされ、ニューラルネットワーク(NN)が高分解能ECEを用いて5種類のAE(BAE, EAE, LFM, RSAE, TAE)を検出するのに非常に効果的であることが示された。中性子欠損を推定するために、NUBEAMと同様の入力を用いて古典中性子率を出力するNNが訓練された。また、予備的なMLベースの比例制御が設計され、実験において初期試験を経て、AEモードと中性子欠損の所望の振幅を達成するための中性ビーム出力へのフィードバック制御に使用されている。高速イオン閉じ込めに対するAEの影響は、提案されたNNベースのNUBEAMからの古典中性子率と測定された中性子率とのギャップを分析することによって測定される。